Glosario IA
El diccionario completo de la Inteligencia Artificial
Puntuación de Fisher
En estadística, el gradiente de la log-verosimilitud con respecto a los parámetros del modelo, concepto fundamental en la base del score matching para la estimación paramétrica.
Score Matching Rebanado
Variante del score matching que reduce la complejidad computacional proyectando el gradiente en direcciones aleatorias, haciendo el entrenamiento más eficiente para datos de alta dimensión.
Ecuación de Poisson
Ecuación en derivadas parciales que relaciona el campo vectorial del score con el Laplaciano del logaritmo de la densidad, cuya resolución es central en los métodos basados en el score.
Langevin Estocástico
Proceso de difusión o algoritmo de muestreo que utiliza el gradiente de la log-densidad (el score) para guiar el muestreo hacia las regiones de alta probabilidad.
Campo Vectorial de Score
Representación espacial del score en cada punto del espacio de datos, indicando la dirección y magnitud del mayor aumento de la densidad de probabilidad.
Divergencia de Stein
Métrica de disimilitud entre distribuciones basada en las funciones de test de Stein, estrechamente relacionada con el objetivo del score matching y utilizada para evaluar la calidad del modelo de score.
Paradoja del Denoising
Fenómeno donde el entrenamiento de un modelo de score en datos ruidosos (denoising) da mejores resultados para estimar el score de los datos limpios que el entrenamiento directo.
Modelado Generativo Basado en Score
Paradigma de modelado generativo donde una red neuronal es entrenada para estimar el score de la distribución de datos en múltiples niveles de ruido, y luego utilizada para la generación mediante un proceso de difusión inversa.
Multiplicidad de Puntuaciones
Concepto donde un único modelo de puntuación puede utilizarse para generar muestras de diferentes distribuciones cambiando el nivel de ruido o la condición inicial del proceso de difusión.
Ecuación de Fokker-Planck
Ecuación diferencial parcial que describe la evolución temporal de la densidad de probabilidad de un proceso estocástico, fundamental para comprender la teoría detrás de los modelos de difusión y puntuación.
Corrección de Sesgo de Puntuación
Técnica que busca ajustar las predicciones de la puntuación para compensar los sesgos introducidos por la aproximación del modelo o el uso de datos ruidosos, esencial para una estimación precisa.
Flujo de Normalización por Puntuación
Enfoque híbrido donde la información de la puntuación se utiliza para diseñar o mejorar las transformaciones en un modelo de flujo de normalización, combinando las ventajas de ambos paradigmas.
Criterio de Emparejamiento de Puntuación
Función objetivo, a menudo una forma de distancia entre la puntuación predicha y la puntuación real, que se minimiza durante el entrenamiento para aprender un modelo de puntuación preciso.
Interpolación de Puntuación
Proceso que consiste en estimar la puntuación para niveles de ruido intermedios interpolando las predicciones del modelo, utilizado en modelos de difusión a múltiples escalas.
Puntuación Condicional
Extensión del emparejamiento de puntuación donde la puntuación aprendida está condicionada por metadatos (ej: etiquetas de clase), permitiendo un control direccional sobre el proceso de generación.